NVIDIA、エージェントアーキテクチャ AVO で ARC-AGI-3 ベンチマーク 100% を達成──長期的自律実行の汎用性を実証
NVIDIA が開発した長期自律エージェント AVO は、テキストグリッド入力と永続メモリ機構により ARC-AGI-3 の全 25 環境を完走した。
リリース: 2026-08-21 · 読了 3 分記事の要約
1. 核心（What）
- NVIDIA は長期自律エージェントアーキテクチャ「Agentic Variation Operators (AVO)」を発表し、対話型推論ベンチマーク ARC-AGI-3 の公開セット 25 環境（全 183 レベル）において 100.00 RHAE スコアを達成した。
- AVO は GPU カーネル最適化の研究において、7 日間の連続稼働で 500 以上の最適化方向を探索し、40 件のコミット済みカーネルを生成した。
- DGX B200 システム上で実行されたマルチヘッド注意機構カーネルは、cuDNN 比で最大 3.5%、FlashAttention-4 比で最大 10.5% の高速化を記録した。
- ARC-AGI-3 の評価において、AVO は画像や画像トークンを使用せず、正確な 64x64 のテキストグリッド入力のみで動作した。
2. 影響（Why）
- 長期的自律エージェント設計の転換点: 単一モデルの性能依存から、永続メモリや監視機構を備えたシステムハネス全体の最適化へシフトする実証となり、実務的な複雑タスク設計の標準が変わる。
- 国内の自動化・最適化システム開発への影響: [国内 AI ソリューション企業] 規模の開発チームは、単発の LLM 呼び出しから、数日単位で自律試行錯誤を繰り返すハーネス構造の構築へロードマップを移行する必要がある。
3. 根拠・詳細（How）
- 永続メモリとスーパーバイザーによる自律制御機構: 過去の実行結果やコンパイラ出力を保持する永続メモリと、停滞や非効率なループを検出して別戦略へ誘導するスーパーバイザー機構を統合し、長時間の連続稼働を維持する。
- テキストグリッドベースの直接インタラクション設計: VISTA などの従来手法が画像レンダリングを用いるのに対し、AVO は 64x64 のテキストグリッドのみを観測インターフェースとし、ルール非明示の環境下で試行錯誤による最適化を行う。
4. 展望・課題（Next）
- 多様な実世界ドメインへの拡張: GPU カーネル最適化やゲーム環境から、より広範なソフトウェア開発や自律型ロボティクス領域への展開検証が期待される。